第 1 章 人工智能概述

1. 1. 1 人工智能的概念 

1. 1. 2 人工智能的分类

1. 1. 3 人工智能的意义 

1. 1. 4 学习人工智能的建议

1. 1. 5 人工智能发展历程

1. 1. 6 人工智能的未来趋势 

1. 1. 7 我国人工智能的发展现状

1. 2 人工智能关键技术

1. 2. 1 机器学习 

1. 2. 2 深度学习 

1. 2. 3 自然语言处理 

1. 2. 4 计算机视觉 

1. 2. 5 机器人技术 

1. 2. 6 大数据与云计算

1. 2. 7 边缘计算 

1. 2. 8 量子计算

1. 3 人工智能应用现状

1. 3. 1 AI+医疗健康

1. 3. 2 AI+金融科技

1. 3. 3 AI+自动驾驶

1. 3. 4 AI+智能家居

1. 3. 5 AI+教育科技

1. 3. 6 AI+智慧城市

1. 3. 7 AI+其他领域

1. 4 人工智能伦理

1. 4. 1 人工智能伦理的基本概念与原则

1. 4. 2 人工智能伦理的挑战与问题 

1. 4. 3 人工智能伦理的应对策略与建议 

第 2 章 AIGC 基础与应用

2. 1 AIGC 概述 

2. 1. 1 AIGC 的定义

2. 1. 2 AIGC 的特点

2. 1. 3 AIGC 的发展历程

2. 1. 4 AIGC 的技术原理

2. 1. 5 AIGC 的流程

2. 1. 6 国内常用 AIGC 工具介绍 

2. 1. 7 AIGC 应用的核心: 提示工程

2. 1. 8 AIGC 的伦理和隐私问题

2. 2 AIGC 办公应用 

2. 2. 1 写作类 AIGC 工具

2. 2. 3 演示文稿类 AIGC 工具 

2. 3 AIGC 绘画设计 

2. 3. 1 图像与 AIGC 绘图

2. 3. 2 AIGC 绘画的特点

2. 3. 3 AIGC 绘画工具介绍

2. 3. 4 AIGC 绘画的提示工程

2. 3. 5 应用案例

2. 4 AIGC 辅助学习 

2. 4. 1 AIGC 辅助学习的优势

2. 4. 2 AIGC 辅助学习的应用场景

2. 4. 3 AIGC 辅助学习面临的挑战

2. 4. 4 AIGC 辅助学习的未来展望

2. 5 AI 智能体 

2. 5. 1 AI 智能体定义

2. 5. 2 AI 智能体的类型

2. 5. 3 AI 智能体的功能 

2. 5. 4 AI 智能体的优势

2. 5. 5 AI 智能体的多样应用场景 

2. 5. 6 AI 智能体的未来展望与挑战

第 3 章 人工智能编程基础

3. 1 Python 概述与开发环境

3. 1. 1 Python 的发展历程

3. 1. 2 Python 语言的特点 

3. 1. 3 Python 开发环境 

3. 2 Python 基本数据类型

3. 2. 1 数值类型 

3. 2. 2 字符串 (string) 

3. 3 运算符和表达式

3. 3. 1 算术运算符及算术表达式 

3. 3. 2 赋值运算符及赋值表达式 

3. 3. 3 比较运算符及比较表达式 

3. 3. 4 逻辑运算符及逻辑表达式 

3. 3. 5 位运算符及位表达式

3. 3. 6 成员运算符及成员表达式 

3. 3. 7 身份运算符及身份表达式 

3. 4 控制结构

3. 4. 1 顺序结构

3. 4. 2 选择结构

3. 4. 3 循环结构 

3. 5 函数

3. 5. 1 内置函数和标准模块函数

3. 5. 2 自定义函数 

3. 6 列表

3. 6. 1 创建列表 

3. 6. 2 访问列表

3. 6. 3 修改列表元素 

3. 6. 4 添加列表元素 

3. 6. 5 删除列表元素

3. 7 字典

3. 7. 1 创建字典

3. 7. 2 访问字典 

3. 7. 3 修改和添加字典元素 

3. 7. 4 删除字典元素 

3. 8 文件

3. 8. 1 文件基本操作 

3. 8. 2 文件高级操作

3. 9 常用库文件

3. 9. 1 sys 模块

3. 9. 2 datetime 模块

3. 9. 3 NumPy 库 

3. 9. 4 Pandas 库 

第 4 章 数据工程 

4. 1 数据概述

4. 1. 1 数据的概念与类型 

4. 1. 2 数据工程的应用领域 

4. 1. 3 数据工程流程与 Python 工具

4. 2 数据采集

4. 2. 1 数据来源与获取方式 

4. 2. 2 数据采集工具与技术 

4. 2. 3 案例: 爬取豆瓣电影 Top250

4. 3 数据预处理

4. 3. 1 数据载入与输出 

4. 3. 2 数据清洗 

4. 3. 3 数据检索 

4. 4 数据分析

4. 4. 1 基本统计分析 

4. 4. 2 分组统计分析

4. 5 数据可视化

4. 5. 1 基本绘图流程 

4. 5. 2 常见图表类型 

4. 5. 3 Pandas 基本绘图 

4. 6 案例分析与实现

第 5 章 计算机视觉

5. 1 计算机视觉简介

5. 1. 1 什么是计算机视觉 

5. 1. 2 计算机视觉的发展历程

5. 1. 3 计算机视觉在人工智能中的地位 

5. 2 计算机视觉基本流程

5. 2. 1 图像获取 

5. 2. 2 图像预处理 

5. 2. 3 特征提取 

5. 2. 4 目标检测与识别 

5. 2. 5 图像理解与决策

5. 3 计算机视觉典型应用

5. 3. 3 交通领域 

5. 3. 4 工业领域 

5. 3. 5 日常生活应用 

第 6 章 自然语言处理

6. 1 自然语言处理简介

6. 1. 1 自然语言处理的定义 

6. 1. 2 自然语言处理的发展历程 

6. 1. 3 自然语言处理的应用场景 

6. 2 自然语言处理方法和技术

6. 2. 1 自然语言处理方法

6. 2. 2 自然语言处理技术 

6. 3 自然语言处理典型应用

6. 3. 1 问答系统 

6. 3. 2 聊天机器人 

6. 3. 3 机器翻译 

第 7 章 机器学习 

7. 1 什么是机器学习

7. 1. 1 机器学习的定义 

7. 1. 2 机器学习的发展 

7. 1. 3 机器学习的应用 

7. 2 机器学习的分类

7. 2. 1 监督学习 

7. 2. 2 无监督学习 

7. 2. 3 强化学习 

7. 3 机器学习的常见算法

7. 3. 1 回归算法 

7. 3. 2 决策树算法 

7. 3. 3 支持向量机算法 

7. 3. 4 聚类算法 

7. 3. 5 主成分分析算法 

7. 3. 6 Q-learning 算法 

7. 3. 7 Reinforce 算法

7. 4 机器学习案例

7. 4. 1 鸢尾花分类

第 8 章 深度学习 

8. 1 什么是深度学习

8. 1. 1 深度学习的定义 

8. 1. 2 深度学习的特点 

8. 1. 3 深度学习的应用 

8. 2 深度学习主要流程

8. 2. 1 数据与数据集

8. 2. 2 数据预处理

8. 2. 3 模型训练与测试 

8. 3 深度学习的常见模型

8. 3. 1 卷积神经网络 (CNN)

8. 3. 2 循环神经网络 (RNN)

8. 3. 3 生成对抗网络

8. 4 深度学习案例

8. 4. 1 手写数字识别

参考文献